엔비디아가 양자화를 통해 스테이블 디퓨전 3.5(Stable Diffusion 3.5) 모델의 성능을 향상시켰다고 발표했다. 생성형 AI는 사람들이 디지털 콘텐츠를 만들고, 상상하며, 상호작용하는 방식을 혁신적으로 바꾸고 있다. 그러나 지속적으로 AI 모델의 기능이 향상되고 복잡성이 증가면서 더 많은 VRAM이 요구되고 있다. 예를 들어 기본 스테이블 디퓨전 3.5 라지(Large) 모델은 18GB 이상의 VRAM을 사용하므로 고성능 시스템이 아니면 실행이 어렵다. 엔비디아는 이 모델에 양자화를 적용하면 중요하지 않은 레이어를 제거하거나 더 낮은 정밀도로도 실행할 수 있다고 설명했다. 엔비디아 지포스(GeForce) RTX 40 시리즈와 에이다 러브레이스(Ada Lovelace) 세대 엔비디아 RTX PRO GPU는 FP8 양자화를 지원해 이러한 경량화된 모델을 실행할 수 있다. 또한 최신 엔비디아 블랙웰(Blackwell) GPU는 FP4도 지원한다.     엔비디아는 스태빌리티 AI(Stability AI)와 협력해 최신 모델인 스테이블 디퓨전 3.5 라지를 FP8로 양자화해 VRAM 사용량을 40%까지 줄였다. 여기에 엔비디아 텐서RT(TensorRT) 소프트웨어 개발 키트(SDK)를 통한 최적화로 스테이블 디퓨전 3.5 라지와 미디엄 모델의 성능을 2배로 끌어올렸다. 또한, 텐서RT가 RTX AI PC 환경을 위해 새롭게 설계됐다. 높은 성능과 JIT(Just-In-Time), 온디바이스 엔진 구축 기능을 더하고 패키지 크기를 8배 줄여 1억 대 이상의 RTX AI PC에 AI를 원활하게 배포할 수 있게 됐다. RTX용 텐서RT는 이제 개발자를 위한 독립형 SDK로 제공된다. 엔비디아와 스태빌리티 AI는 인기 있는 AI 이미지 생성 모델 중 하나인 스테이블 디퓨전 3.5의 성능을 높이고 VRAM 요구 사항을 낮췄다. 엔비디아 텐서RT 가속과 양자화 기술을 통해, 사용자는 엔비디아 RTX GPU에서 이미지를 더 빠르고 효율적으로 생성하고 편집할 수 있다. 스테이블 디퓨전 3.5 라지의 VRAM 한계를 해결하기 위해 이 모델은 텐서RT를 활용해 FP8로 양자화됐다. 그 결과, VRAM 요구량이 40% 줄어 11GB면 충분해졌다. 즉, 단 한 대의 GPU가 아닌 다섯 대의 지포스 RTX 50 시리즈 GPU가 메모리에서 모델을 동시에 실행할 수 있게 됐다. 또한 스테이블 디퓨전 3.5 라지와 미디엄 모델은 텐서RT를 통해 최적화됐다. 텐서RT는 텐서 코어를 최대한 활용할 수 있도록 설계된 AI 백엔드로, 모델의 가중치와 모델 실행을 위한 명령 체계인 그래프를 RTX GPU에 맞게 최적화한다.  FP8 텐서RT는 스테이블 디퓨전 3.5 라지의 성능을 BF16 파이토치 대비 2.3배 향상시키면서 메모리 사용량은 40% 줄여준다. 스테이블 디퓨전 3.5 미디엄의 경우, BF16 텐서RT는 BF16 파이토치 대비 1.7배 더 빠르다. FP8 텐서RT를 적용한 결과, 스테이블 디퓨전 3.5 라지 모델은 BF16 파이토치(PyTorch)에서 실행했을 때보다 성능이 2.3배 향상됐고, 메모리 사용량은 40% 감소했다. 스테이블 디퓨전 3.5 미디엄 모델도 BF16 텐서RT를 통해 BF16 파이토치 대비 1.7배 더 높은 성능을 발휘했다. 최적화된 모델은 현재 스태빌리티 AI의 허깅페이스(Hugging Face) 페이지에서 이용할 수 있다. 또한 엔비디아와 스태빌리티 AI는 스테이블 디퓨전 3.5 모델을 엔비디아 NIM 마이크로서비스 형태로도 출시할 계획이다. 이를 통해 크리에이터와 개발자는 다양한 애플리케이션에서 보다 쉽게 모델을 접근하고 배포할 수 있게 된다. 이 NIM 마이크로서비스는 오는 7월 출시될 예정이다.

이 내용은 한국생산성본부(KPC)가 수행한 제조업 디지털전환(DX,  Digital Transformation) 및 AI 활용도 관련 공식 조사 결과이다.   주요 조사 결과 요약 AI 실제 도입률 제조업 응답 기업의 약 90%가 실제로 AI를 도입하지 않은 것으로 나타났습니다. 이는 제조업 내 AI 도입률이 3.9%에 그치는 등, 타 산업(정보통신 25.7%)에 비해 현저히 낮은 수치입니다. AI 도입 저해 요인 AI 도입이 저조한 주요 원인으로는 다음이 꼽혔습니다. 인프라 부족: 고성능 컴퓨팅 환경, 네트워크 등 AI 활용에 필요한 인프라가 미흡함. 산업 데이터 확보의 어려움: 제조 현장에서 발생하는 데이터의 품질 및 통합 문제, 데이터 자체의 부족이 큰 장벽으로 작용함. 전문 인력 부족, 초기 투자비용 부담, 기존 시스템과의 연계성 문제 등도 복합적으로 영향을 미침. 추가 참고 AI 활용률이 낮은 배경에는 산업 데이터의 관리 및 공유가 어렵고, AI 도입에 따른 실질적 변화(생산성, 비용 등)가 아직 제한적이라는 현장 평가도 반영되어 있습니다. 기업들은 AI 도입 필요성은 인식하고 있으나, 실제 활용률은 30% 미만, 제조업은 20% 내외로 조사되었습니다. 결론 한국생산성본부(KPC)가 발표한 제조업 디지털전환 및 AI 활용 실태조사 결과는 KPC 공식 홈페이지 공지사항에서 확인할 수 있습니다. 제조업의 AI 도입률은 매우 낮으며, 인프라와 데이터 확보의 어려움이 핵심 저해 요인임이 명확히 드러났습니다 ----------------------------------- 1.    조사 배경    인공지능, 빅데이터 등 디지털 기술의 등장은 과거 전통적 산업 간의 경계를 희미하게 만드는 동시에, 경제 성장의 새로운 원동력으로 각광받고 있음     이들 기술을 활용한 디지털 전환(DX; Digital Transformation)은 공정의 최적화는 물론, 제품 지능화, 서비스 고도화를 통해 산업에 당면한 과제를 해결하고 새로운 가치를 창출한다는 점에서 의미가 매우 크나, 현실적으로 중견, 중소기업에서는 인력, 자금 등의 문제로 산업 디지털 전환이 필요함에도 추진하기에 어려운 부분이 존재함     이처럼 기업의 애로사항과 불확실성이 존재하는 상황에서 정부에서 의결한 ‘산업 디지털 전환 촉진법’은 디지털 전환과 관련된 법적 사각지대를 해소하고 법률적 기반을 마련하는 계기가 될 것임     향후 산업 디지털 전환과 관련된 종합계획이 수립되고 각종 세부 정책들이 본격적으로 추진되기 위해서는 디지털 전환 역량이나 준비도 등의 산업계 실태를 면밀하게 파악하는 것이 선행되어야 함. 특히,  산업 디지털 데이터의 공유와 협업을  통한 수익 창출과 관련된 규범이 새롭게 마련된 만큼 이를 위한 정책적 근거자료 마련이 필수적임   조사 근거 : 산업디지털전환촉진법 2.    조사 목적     규모별 디지털 전환(DX) 인식 수준, 산업의 데이터 활용률, 디지털 전환 역량 및 애로사항, 요구사항 등을 종합적으로 조사함으로써 DX 역량진단 및 기업 수준을 분석, 평가할 수 있는 기초자료를 수립하고자 함     또한, 각종 데이터 수집 현황,  분석 및 활용 역량,  데이터 협력·거래  등 산업 데이터 역량과 니즈를 확인함으로써  실제  사업 수행 시 기업 간 매칭 및 맞춤형 지원사업을 가능토록 하고자 함   산업데이터 생성ㆍ활용의 활성화와 지능정보기술의 산업 적용을 통하여 산업의 디지털 전환을 촉진함으로써, 산업 경쟁력을 확보하고 국민의 삶의 질 향상과 국가 경제발전에 이바지하기 위해 필요한 ‘산업 디지털전환 종합 계획’ 수립 및 시행을 위한 관련 현황, 통계 및 실태 파악   목차 제 1장. 서론    1 01.    조사  배경 및 목적    3 1.    조사 배경    3 2.    조사 목적    3 01.    표본설계    4 1.    조사 대상    4 2.    모집단  분포 및 표본틀    5 3.    표본설계    6 4.    가중치와 추정    8 02.    조사 개요    11 1.    조사 개요    11 2.    조사 항목    11 03.    응답자 특성    13 제 2장. 조사결과    14 01.    디지털 전환 인식    16 (1)    DX에    대한 임직원의 인지도    16 (2)    디지털    비전과 리더십 단계    17 (3)    디지털    전략 단계    18 (4)    디지털    기술과 솔루션 이해도    19 02.    산업 데이터 역량    20 1.    데이터 수집    20 (1)    시장 및 고객 데이터 수집 방법, 비중    20 (2)    공정  데이터  수집 방법, 비중    21 (3)    제품 및 서비스 데이터 수집 방법, 비중    22   (4)    데이터 인프라    23 (5)    데이터  품질관리 성숙도 단계    24 (6)    데이터 수집시 애로사항    25 2.    데이터 분석·활용    26 (1)    ‘데이터    사용/관리’ 변화 정도    26 (2)    데이터    분석·활용 역량 수준    27 (3)    데이터    관련 전문인력 현황, 필요 규모    28 (4)    데이터    분석·활용 시 장애요인    29 3.    데이터 협력·거래    30     (1) 데이터 협력, 거래 활동 여부    30 (1-1) 데이터 협력, 거래 활동 목적    31 (1-2) 데이터 협력, 거래 활동이 없는 이유    32 (2)    데이터    협력,    거래를 위한 정보 획득 경로    33 (3)    데이터    협력,    거래의 애로사항    34 (4)    데이터    협력,    거래 과정에서 경험한 부당한 대우, 침해행위    35 4.    인공지능(AI) 활용    36 (1)    인공지능(AI) 기술의 업무 활용 여부    36 (2)    인공지능 기술을 업무에 활용하는 목적    37 (3)    인공지능 기술을 업무에 활용 시, 가장 어려웠던 점    38 (4)    인공지능 기술을 업무에 활용하지 않는 이유    39 03.    디지털 기반 프로세스 혁신    40 1.    디지털  프로세스 혁신 활동    40 (1)    업무 프로세스에 적용하고 있는  디지털 기술    40 (1-1) 디지털 기술별 적용  업무 프로세스_빅데이터    41 (1-2) 디지털 기술별 적용  업무 프로세스_인공지능    42 (1-3) 디지털 기술별 적용  업무 프로세스_IoT    43 (1-4) 디지털 기술별 적용  업무 프로세스_클라우드    44 (1-5) 디지털 기술별 적용  업무 프로세스_AR/VR    45 (1-6) 디지털  기술별 적용 업무  프로세스_지능형 협동 로봇    46 (1-7) 디지털  기술별 적용  업무 프로세스_RPA    47   (1-8) 디지털 기술별 적용 업무 프로세스_디지털마케팅솔루션    48 (1-9) 디지털 기술별 적용 업무 프로세스_3D 프린팅    49 (1-10) 디지털 기술별 적용 업무 프로세스_모바일 기술    50 (1-11) 디지털 기술별 적용 업무 프로세스_5G 기술    51 (1-12) 디지털 기술별 적용 업무 프로세스_보안    52 (2)    각 디지털 기술별로 과거부터 현재까지 예상되는 투자 비중    53 (3)    지난 1년간 디지털 기술 관련 투자액    54 (4)    빅데이터 부문 투자 금액(최근 1년)    55 (5)    인공지능 부문 투자 금액(최근 1년)    56 (6)    도입한 디지털 기술/도입하지는 않았으나 도입 효과가 좋을 것으로 예상되는 기술 · 57 (7) 디지털 기술 도입에 있어 자체 도입 & 아웃소싱 비중    59 (8) 디지털 기술 도입 후,  사후 관리    60 2.    (8-1) 사후 활동이 잘 되지 않는 이유    61 (9)    ‘정보화  준비도’ 변화 정도    62 (10)    ‘정보화  기술  수준’ 변화 정도    63 디지털  기반  프로세스 혁신 성과    64 (1)    ‘업무 프로세스 개선’ 변화 정도    64 (2)    자동화를    통한 업무시간 단축 여부 및 단축된 시간    65 (3)    프로세스    자동화율    66 (4)    프로세스    지능화율    67 (5)    프로세스    통합 연계율    68 04. 디지털 신기회    창출    69 1.    비즈니스 모델 혁신 활동    69   (1)    ‘비즈니스 모델’ 변화 정도    69 (2)    최근 3년간 디지털 기반 비즈니스 모델 혁신 및 변경 시도 여부    70 (2-1) 비즈니스 모델 혁신을 위한  시도의 목적    71 (2-2) 디지털 기반 비즈니스 모델  혁신의 유형    72 (3)    ‘고객 관련 업무’ 변화 정도    73 2.    디지털 제품 및 서비스 창출    74 (1)    최근 3년 디지털 연구 성과  창출 경험    74 (2)    ‘신제품/서비스 개발’ 변화 정도    75 (3)    최근 3년간 디지털 기술 적용을 통한 획기적 개선, 새롭게 출시된 제품 및 서비스 · 76 (3-1) 제품 및 서비스 개선, 출시를 위해 적용한 디지털 기술    77 (3-2) 제품 및 서비스 혁신을 위해 적용된 디지털 기술 획득 경로    78 (3-3) 전체 매출액에서 디지털 혁신 제품 및 서비스 매출이 차지하는 비중    79 (3-4) 디지털 혁신 제품 및 서비스가 개선, 출시되지 않은 이유    80 05.    디지털 전환 역량    81 (1)    ‘정보화 비전과 전략’ 변화 정도    81 (2)    ‘디지털 전환 인식’ 변화 정도    82 (3)    ‘혁신 문화 수준’ 변화 정도    83 (4)    디지털 전환 추진 여부    84 (4-1) 디지털  전환 추진 주도 부서    85 (5)    디지털 부문 연구개발 투자 금액(최근 1년)    86 (6)    디지털 부문 연구개발 인력 수    87 (7)    ‘정보화 인력 수준’ 변화 정도    88 (8)    디지털 전환 추진계획 보유 여부    89 (8-1) 디지털 전환 추진 시기    90 (8-2) 디지털 전환 추진을 위한  자금 조달 방식    91 (9)    디지털 전환 관심 분야    92 (10)    디지털 전환 관련 인력 양성을 위한 직원 교육 프로그램 실시 여부    93 (11)    디지털 전환 추진을 위한 인력 양성 및 외부 충원 계획 여부    94 (11-1) 디지털 전환 추진을 위해 필요한  인력 유형    95 (12)    디지털 전환 관련 협업 여부    96 (12-1) 디지털 전환 관련 외부 협업  유형별 수요    97 (13)    ‘지식 공유 수준’ 변화 정도    98 (14)    디지털 전환 관련 수출 애로사항    99 06.    디지털 전환 애로사항 및 정책 수요    100 (1)    디지털 전환 추진 애로사항    100 (2)    정부 및 지자체의 디지털 전환 정책지원 수요    101 (2-1) 정책지원을 받지 않은 이유    102 (3)    필요로 하는 디지털 전환 관련 정부  정책 분야    103   (4)    ‘정부    DX 지원 및 규제 환경’ 변화 정도    104 (5)    ‘시장    환경’ 변화 정도    105 (6)    ‘기술    환경’ 변화 정도    106 (7)    ‘경쟁    환경’ 변화 정도    107 부록. 설문지    108 상세내용 보러가기

슈나이더 일렉트릭이 프로페이스(Pro-face) HMI의 새로운 시리즈인 ‘GP6000’을 출시했다고 밝혔다. HMI(휴먼 머신 인터페이스)는 사람과 기계 사이를 연결하는 핵심 인터페이스로, 산업 자동화 현장에서 설비 상태를 실시간으로 모니터링하고 제어할 수 있도록 도와준다. 점점 더 복잡해지는 제조 환경에서 HMI는 단순한 터치 패널을 넘어, 생산성 향상과 운영 효율화, 안전 확보의 중추 역할을 수행하고 있다. 슈나이더 일렉트릭은 이러한 산업 흐름에 맞춰 프로페이스 HMI의 신규 제품군인 GP6000을 선보였다. 이 제품은 빠르게 변화하는 산업 환경 속에서 생산성과 유연성을 동시에 확보할 수 있도록 설계된 최신형 인터페이스 제품으로, 다양한 화면 사이즈와 모듈형 구조, 높은 해상도 및 디스플레이 품질을 바탕으로, 고객의 요구에 맞는 최적의 구성과 성능을 제공한다.     GP6000은 고객의 요구에 맞춰 최적의 구성과 성능을 제공할 수 있도록 어드밴스드 모델과 스탠더드 모델 두 가지로 구분된 것이 특징이다. 이 중 어드밴스드 모델은 올해 말 출시 예정으로, 모듈형 디자인을 기반으로 디스플레이 사이즈 변경, I/O 확장, 애플리케이션 추가 등 다양한 현장 요구에 유연하게 대응할 수 있다. 정전용량(PCAP) 방식의 글라스톱 디스플레이를 적용해 조작감과 내구성을 높였으며, 공간 효율적인 딘박스(DINBOX) 확장 모듈을 통해 다양한 산업 환경에서도 안정적인 확장이 가능하다. 전작인 SP5000 시리즈의 후속 모델로서, 성능과 안정성을 한층 업그레이드했다. 6월 초 출시된 GP6000 스탠더드 모델은 기존의 HMI GP4000-T를 대체하는 신제품으로, 4:3 비율의 화면 구성과 향상된 해상도 및 색감을 통해 시인성과 직관성을 강화했다. 무엇보다도 기존 제품과 동일한 커팅 사이즈 및 디스플레이 사이즈를 유지하면서도 월등한 성능 향상과 전력 소비 절감을 실현해 기존 시스템에서의 자연스러운 마이그레이션이 가능하다. 또한, 특정 산업군의 고객 요구사항을 반영한 설계를 바탕으로 다양한 현장 적용성과 경제성도 확보했다. 특히 이번 신제품은 프로페이스의 대표 엔지니어링 소프트웨어인 GP-Pro EX와 연동되어 최적의 연결성과 생산성을 제공한다. GP-Pro EX는 지난 20여 년간 HMI 설계 및 운영을 지원하며 높은 호환성과 안정성을 인정받아 왔으며, 최신 버전에서는 사용자 친화적인 편집 도구를 비롯해 OPC UA 기반의 보안 통신, PDF 뷰어, 미디어 뷰어 등 첨단 기능이 추가되었다. 이를 통해 엔지니어링에서 운영까지 전 단계에서 효율적인 자동화 시스템 구축이 가능하다. 슈나이더 일렉트릭이 출시한 이번 프로페이스 HMI 신제품에는 설계 단계부터 환경 영향 저감을 고려한 에코디자인(EcoDesign) 철학을 적용해 지속가능한 제조 환경 구현에도 기여하고 있다. 더불어, 디지털 전환 시대에 필수적인 사이버 보안 요소도 강화, 안전성과 신뢰성을 겸비한 고급형 HMI 설루션이라는 점을 내세운다. 슈나이더 일렉트릭 코리아 자동화 사업부의 송연옥 매니저는 “슈나이더 일렉트릭은 세계 최초로 HMI를 개발한 프로페이스를 지난 2002년 인수해 높은 신뢰도를 갖춘 HMI를 선보이고 있다”면서, “이번에 새롭게 선보이는 프로페이스 HMI GP6000 시리즈는 사용자의 다양한 요구에 유연하게 대응할 수 있는 설계 유연성과 확장성을 기반으로, 현장의 문제를 해결하고 새로운 가능성을 제시하는 HMI 설루션으로, 고객의 스마트 제조 경쟁력을 높이는 핵심 장비로 자리매김할 것”이라고 전했다.

한국CDE학회가 오는 8월 20일~23일 여수 베네치아 호텔에서 2025 하계학술대회를 개최한다고 밝혔다. 이번 학술대회는 ‘CDE, 생성과 최적화의 경계를 허물다 : AI로 설계를 혁신하다’라는 주제 아래, 인공지능(AI)을 통한 설계 혁신 방안을 집중적으로 조명할 예정이다. 이번 행사에서는 컴퓨터 기반 설계 및 엔지니어링(CDE) 분야의 핵심 기술인 디지털 트윈, 인공지능 응용 등에 관한 최신 연구 결과와 논문이 발표되며, 관련한 기획 세션도 진행된다. 학회는 AI, 로봇, 기계, 조선, 건축, 산업 등 다양한 분야를 아우르는 발표 주제를 마련해 학계와 산업계 전문가들의 깊이 있는 논의를 이끌어낼 계획이다. 학술대회의 주요 발표 주제로는 ▲AI 아키텍처 및 알고리즘, 스마트 제조를 위한 AI 기반 설계 및 자동화, 자율 설계를 위한 에이전틱 AI(Agentic AI) ▲로봇 제조 및 첨단 설계, 로봇 제어 및 자율성을 위한 지능형 알고리즘, 인간-로봇 상호작용 및 협업 ▲CAD/CAM/CAE의 발전, 3D 프린팅, 생성형 디자인, 디지털 트윈 응용, VR/AR/XR 및 메타버스 환경 ▲조선 분야의 첨단 설계 및 구조 공학, 모델링, 시뮬레이션 및 디지털 트윈 ▲효율적인 건축 설계 및 시공을 위한 BIM 응용, 건축 시공 과정 자동화 ▲첨단 품질 보증 시스템, 공급망 디지털화, 친환경 제조 기술, 지속 가능성을 위한 디지털 플랫폼 등이 있다. 한국CDE학회 2025 하계학술대회의 발표 신청 및 발표자 사전등록 마감은 6월 27일이며, 최종 논문 제출 마감은 7월 4일이다. 일반 참가자를 위한 사전등록은 7월 18일에 마감된다.   

주요 디지털 트윈 소프트웨어   디지털 트윈 구축을 위한 BAS 기반 플랫폼, WAiSER (와이저)   개발 및 자료 제공 : 한국디지털트윈연구소, 042-863-8090, www.kdtlab.kr   한국디지털트윈연구소는 KAIST 연구소기업으로, 빅데이터와 기계학습 기반 AI 기술과 전통적인 시뮬레이션 기법을 융합하여 디지털 트윈 구축을 위한 BAS 기반 플랫폼인 ‘WAiSER’를 상용화했다. WAiSER 플랫폼은 국방, 스마트시티, 에너지, 제조, 의료 등 다양한 분야에서 실체계만으로 해결할 수 없는 문제들을 가상 실험을 통해 분석, 예측 및 최적화를 가능하게 하는 고도화된 솔루션을 제공하며, 이를 통해 각 산업의 효율성을 극대화하고 데이터 기반 의사결정의 정확성을 향상시키고 있다. 1. 주요 특징   ■ 모델의 신뢰도 향상과 실체계와 연동하여 실체계의 변화를 반영할 수 있는 모델 학습/진화엔진 탑재 ■ 국제표준 기반으로 다양한 이종 디지털 트윈/시뮬레이션 모델, IoT/Bigdata/AI플랫폼, GIS/BIM/CAD, VR/AR/Metaverse등을 PoP(Platform of Platforms) 개념으로 유연하게 연동할 수 있는 개방형 플랫폼 ■ MFM(Muti-Fidelity Modeling)/MRM(Multi-Resolution Modeling) 지원 ■ FTS(Fast Time Simulation)/RTS(Real Time Simulation) 지원  ■ 역방향 시뮬레이션(Reverse Simulation) 기능 지원 2. 주요 기능 ■ IoT 등의 수단을 통해 실체계로부터 운영 데이터를 수집하거나 실체계 제어 명령 전달 등을 위한 인터페이스 ■ 가설적 모델을 기반으로 디지털 트윈 모델의 데이터와 실체계의 데이터가 일치하도록 디지털 트윈 모델 내부의 파라미터 또는 함수를 최적화하는 모듈 ■ 다수의 디지털 트윈 모델이 연동되어 실행되는 환경으로 확장하기 위한 병렬/분산 시뮬레이션 도구와의 인터페이스 지원 ■ 프레임 워크 기반 SW개발 형태로 모델을 개발할 수 있도록 플랫폼에서 정의하는 모델 클레스들의 템플릿 제공 ■ 연속시간 및 이산사건 모델이 혼합된 하이브리드 모델의 실행을 위해 2가지 엔진이 신호-이벤트(S-E) 변환기를 통해 혼합적으로 실행할 수 있도록 하이브리드 시뮬레이션 엔진 모듈 제공 ■ 사용자를 위한 그래픽 사용자 인터페이스 기능 3. 성공 사례 ■ 국방분야 War Game, 전투실험, 분석, 획득 업무 적용으로 실체계만으로 해결할 수 없는 문제를 해결 및 시간단축, 비용절감, 품질향상, 리스크 경감에 기여 ■ 교통신호제어 최적화, UAM 운영환경 디지털 트윈 사업을 통한 교통문제 해결에 기여 ■ 풍력발전량 예측, 댐 최적 방류량 산출 등 다양한 분야 문제 해결에 기여   4. 도입 효과 ■고 충실도(High Fidelity) 디지털 트윈 모델 구현 및 가상실험을 통한 미래 변화를 분석, 예측 및 최적화함으로써 실체계만으로 해결할 수 없는 문제 해결 및 지혜 수준의 서비스 제공  ■DBSE(Digital twin Based System Engineering) 적용으로 복잡하고 어려운 사회, 산업 문제들을 단순화하여 지혜롭게 해결할 수 있도록 지원   상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

다쏘시스템은 5월 29일 서울 코엑스에서 ‘3D익스피리언스 콘퍼런스 코리아 2025(3DEXPERIENCE CONFERENCE KOREA 2025)’를 열고, 급변하는 경제 상황 속에서 생성형 경제로의 전환을 위한 비전과 함께 AI 기반 버추얼 트윈 기술을 통한 산업 혁신 전략을 제시했다. 이번 행사는 다쏘시스템의 모든 제품 브랜드를 아우르는 연례 콘퍼런스이다. 올해 콘퍼런스의 오전 세션에서는 다쏘시스템코리아 정운성 대표이사의 환영사를 시작으로 LG전자 황윤제 기술고문의 ‘모델 기반 가상화 R&D 를 통한 디지털 혁신 : AI시대의 도전과 미래’, PWC 컨설팅 문홍기 대표의 ‘Beyond Digital | Virtual Twin’, 다쏘시스템 마시모 프란도(Massimo PRANDO) 3D익사이트 사업 및 영업 총괄의 ‘Virtual Twins in Action : The Experience Engine Across Industries’, 델 테크놀로지스 오리온 상무의 ‘Unleashing the Future of AI Development with Dell Pro Max Workstation’ 등 발표가 진행됐다.     정운성 대표이사는 2040년을 향한 다쏘시스템의 비전인 ‘생성형 경제(Generative Economy)’를 소개하면서, 경험 경제와 순환 경제를 통합하는 개념으로서 제품 중심에서 사용자 경험 중심으로, 그리고 환경 및 리사이클링을 고려하는 산업 모델로의 전환을 강조했다. 이는 제품의 제조 – 소비 – 폐기로 이어지는 일직선 방식에서 생성-  경험 - 재생이 순환하는 생성형 모델로의 변화를 뜻한다. 또한, 정운성 대표이사는 “다쏘시스템은 3D 기술을 시작으로 디지털 목업(DMU), 제품 데이터 관리(PDM), 제품 수명주기 관리(PLM)를 거쳐 제품 및 인간 영역의 버추얼 트윈(Virtual Twin)을 선보였으며, 이 모든 기술을 바탕으로 3D익스피리언스 플랫폼을 구축했다”면서, 버추얼 트윈에 생성형 AI를 탑재한 7세대 기술인 ‘3D 유니버스(3D UNIV+RSES)’를 소개했다. 3D 유니버스를 구성하는 핵심 요소로는 ▲꾸준히 고도화되는 버추얼 트윈 ▲버추얼 트윈 기반의 경험 축적 ▲생성형 AI를 통한 생성형 경험 ▲가상의 AI 동반자 기술 ▲몰입감 있는 경험을 지원하는 센스 컴퓨팅 기술 등을 꼽았다. 마시모 프란도 총괄은 3D익사이트(3DEXCITE)가 엔지니어링 데이터와 고객 경험을 연결하는 역할을 한다고 설명하면서, 가상 세계와 현실 세계를 잇는 버추얼 트윈에 생성형 AI를 접목하여 혁신적인 경험을 창출한다는 다쏘시스템의 비전을 제시했다. 그리고 항공우주, 반도체 제조, 산업 장비, 철도, 가전제품, 스포츠 및 라이프스타일, 자동차 등 다양한 산업 분야의 버추얼 트윈 적용 사례를 공유했다. 황윤제 기술고문은 LG전자의 R&D 디지털 혁신 여정을 공유하면서, AI의 발달로 디지털 혁신은 최적기를 맞았다고 짚었다. 그리고, R&D 분야에서 모델 기반 시스템 엔지니어링(MBSE)의 중요성과 AI를 활용한 가상화 설계 및 복잡한 문제 해결 사례를 제시했다. 문홍기 대표는 디지털 전환을 넘어서는 패러다임 전환의 필요성을 언급하며, 버추얼 트윈이 한국 제조업의 게임 체인저가 될 잠재력을 가지고 있음을 강조했다. 또한, 디지털 선도 기업들이 버추얼 트윈을 통해 운영 효율성과 새로운 비즈니스 가치를 창출하고 있다고 소개했다. 오리온 상무는 인공지능의 능력을 효과적으로 활용할 수 있도록 돕는 워크스테이션 등 컴퓨팅 기술을 소개했다. 오후에는 바이오비아(BIOVIA), 에노비아(ENOVIA), 넷바이브(NETVIBES), 카티아(CATIA), 3D익사이트(3DEXCITE), 델미아(DELMIA), 시뮬리아(SIMULIA) 등 다쏘시스템의 주요 브랜드 및 SDV(소프트웨어 정의 자동차)를 주제로 한 트랙별 브레이크 아웃 세션에서 다양한 기술 정보와 고객 사례가 소개됐다. 이외에도 AI 포토 부스, VR 부스, 플레이그라운드 등 현장에 마련된 체험존은 참가자들이 다쏘시스템의 기술을 직접 경험하며 기술 비전을 접할 수 있도록 했다. 정운성 대표이사는 “변화하는 생성형 경제 시대에 다쏘시스템은 3D 유니버스 기술 비전을 통해 사용자의 업무 혁신, 지적 재산 보호, 그리고 지속 가능한 혁신을 지원하는 신뢰할 수 있는 파트너가 되겠다”고 전했다.

메일 내용이 보이지 않으시면 여기를 클릭해 주세요. ※ 사내 방화벽으로 인해 PC에서 등록이 제한될 경우, 모바일 기기로 해당 링크 (https://go.3ds.com/registration25)에 접속하여 등록해 주시기 바랍니다. Copyright © 2025 Dassault Systemes, Inc. All right reserved.    

IBM이 인공지능(AI) 시대의 급격한 데이터 증가에 대응하기 위한 새로운 스토리지 전략을 발표했다고 5월 27일 기자간담회를 통해 밝혔다. 이번 IBM 전략은 기업의 AI 인프라 고도화와 비용 효율성 극대화, 데이터 이동 및 처리 최적화를 핵심으로 하는 지능형 데이터 플랫폼 구축에 초점을 맞추고 있다. ▲ IBM 스토리지 전략 발표 기자간담회 모습 IBM은 기존의 단순한 데이터 저장 시스템을 넘어서, AI 중심의 비즈니스 환경에 특화된 지능형 데이터 플랫폼을 제시했다. 특히 IBM 퓨전(Fusion)과 CAS(Content Aware Storage) 기술을 통해 데이터 분석 효율성과 통합성을 강화하며, 기업의 디지털 전환과 AI 도입을 가속화하는 것이 핵심 목표다. IBM 스토리지 샘 워너(Sam Werner) 부사장은 "AI 시대에는 데이터를 단순히 저장하는 공간을 넘어, 지능형 데이터 플랫폼이 되어야 한다"고 강조했다. 그는 "IBM 퓨전과 CAS 기술 등을 통해 데이터 분석 효율 및 통합을 강화하며, 기업의 디지털 전환과 AI 도입 가속화를 적극 지원하고 있다"고 설명했다. ▲ IBM 스토리지 샘 워너(Sam Werner)  부사장 IBM의 AI 최적화 스토리지 솔루션은 이미 국내 다양한 분야의 기업들에서 성과를 보이고 있다. AI 스타트업 파일러는 IBM SSS5300과 DGX B200을 도입해 AI 개발 환경을 최적화했으며, 서울시복지재단은 IBM 플래시시스템 기반 인프라로 데이터 처리 구조를 개선하고 장애 대응성을 크게 강화했다. 교육 분야에서는 한국전통문화대학교가 전통문화 콘텐츠 공유 시스템을 구축해 안정적인 디지털 기반을 확보했고, 지오영그룹의 케어캠프는 IBM 플래시시스템 7300 기반 랜섬웨어 대응 인프라를 구축해 사이버 보안을 대폭 강화하는 성과를 거뒀다. 한국IBM 스토리지 비즈니스 총괄 박대성 상무는 "단순한 스토리지 제품 판매를 넘어서, AI 시대를 위한 지능형 데이터 인프라를 통해 국내 기업의 디지털 전환과 AI 도입을 종합적으로 지원하고 있다"고 밝혔다. 이를 통해 기업들은 데이터 분석 효율성을 높이고 운영 비용을 절감하는 동시에 보안을 강화할 수 있을 것으로 기대된다고 덧붙였다. ▲ 한국IBM 스토리지 비즈니스 총괄 박대성 상무 한편, IBM의 이번 전략 발표는 급속히 확산되는 AI 기술과 이에 따른 데이터 폭증 현상에 대응하기 위한 선제적 움직임으로 평가되며, 국내 기업들의 AI 인프라 구축과 디지털 혁신에 새로운 전환점을 제공할 것으로 전망된다.

CADian 1+1 프로모션 신청하기   캐디안이란?(Youtube 동영상) 무료 다운로드 (30일 평가판) CADian Pro 기능 자세히 알아보기